数字图像的表示------矩阵
数字图像表示为像素构成的两维矩阵
•二维离散亮度函数f(x,y)，f代表了在点(x,y)处像素的灰度值xy
•二维矩阵------F[m,n]，m,n说明图像的宽和高。
数字图像的彩色表示
图像数据分析的任务
-
分类任务：针对给定的图像或视频，判断其中的目标包含什么类别。
-
检测任务：针对给定的图像和视频，定位出某目标的位置，进一步判定目标物的类别。
-
分割任务：针对给定的图像或视频，判断不同像素区域属于哪一个目标物或场景。分为 实例分割（Instance-level）、场景分割（Scene-level）和语义分割。
-
检索任务：根据输入图像，查找具有相同或相似目标、对象或内容的其他图像。
-
推荐任务：从用户的历史购买记录中发掘其消费偏好，筛选出用户感兴趣的部分，提供 个性化的服务。
-
行人重识别任务（Person Re-Identification，简称 ReID） ：解决跨摄像头跨场景下行 人的识别与检索。
图像分析系统组成
低级处理：图像获取、预处理
中级处理：图像分割、表示与描述
高级处理：图像分类、识别、解释，理解等
基于经典特征的图像系统分析框架
最后输出结果
基于深度学习的图像分析系统框架
输入图像或视频，系统输出的结果为分类标签
深度学习是端到端的系统 ，特征嵌入在网络中
权值通过网络不断的迭代和优化获得深度特征
如何设计有效的深度网络架构和损失函数是关键
图像的经典特征
全局特征是指图像的整体属性
常见的全局特征： 统计特征、颜色特征和形状特征
良好的不变性、计算简单 、但特征维数高、计算量大 、图像中有遮挡时性能下降
局部特征：对图像特征的局部表达
常见的局部特征： 边缘特征、纹理特征 、目标检测特征
边缘、角点、线、曲线和特别区域等
包括角点类和区域类两大类描述方式
图像的统计特征-灰度直方图
灰度级在范围[0，L-1]的数字图像的直方图是一个离散函数 h(rk)= nk
nk是图像中灰度级为rk的像素个数 rk 是第k个灰度级k =0,1,2, ...,L-1
rk的增量是1，直方图可表示： p(k)= nk
图像中不同灰度级像素出现的次数，统计了图像像素的灰度级分布或单色彩分布 、 可以看出图像是否曝光不足或曝光过度
图像直方图的分析
图像直方图的均衡化
当图像的灰度分布不均匀且集中在较窄区域时
采用直方图均衡化或直方图规一化进行优化处理，使其分布均匀
S.T.整个图像亮度范围内具有相等的灰分布度
图像信息熵
图像信息熵描述一幅图像含有的信息量。 一幅图像有 K个灰度级，各个灰度级出现的频率为P i, 图像的信息熵 H 用以下公式计算：
当图像中的各个灰度级出现的概率相等时，图像的熵值最大。
图像的方差和协方差：灰度平均值f是指一幅图像中所有像素灰度值的算术平均值
灰度方差S反映了图像中各个像素的灰度值与整个图像灰度平均值的离散程度
图像的彩色特征－颜色空间
常用的彩色空间有： •RGB色彩空间 •HSV色彩空间 •YUV色彩空间 •YCrCb色彩空间
OpenCV中关于彩色空间转换的API ：
色彩空间转换函数cvtColorCOLOR_BGR2GRAY
彩色到灰度COLOR_GRAY2BGR
灰度到彩色COLOR_BGR2HSV
BGR到HSV COLOR_HSV2BGR
HSV到 BGR COLOR_BGR2YCrCb
